别再什么都问 Codex 了：产品方向交给 ChatGPT，执行才归 Codex

更新：2026-10 · 阅读约 13 分钟 · 一套跑过 20+ 轮真实裁决的「外脑」协作系统 · 文末含获取方式与说明

先说破一个误区：产品方向的问题，不该问执行模型

先回忆一下：你上一次纠结「这个功能到底做不做」「这个方向对不对」「竞品是怎么玩的」的时候——你是问谁的？

如果你和大多数人一样，直接丢给了 Codex（或你手头的任何执行 Agent），那你正在用最贵的方式，干它最不顺手的活。这不是模型的错，是工种分错了。两类问题，其实是两个工种：

• 产品方向类：做什么、为什么做、方向对不对、怎么规划、竞品调研、方案裁决——要的是「判断」。这类问题的最优解是 ChatGPT 网页版的最大档：它在规划与权衡上的深度是公认的强项，而且对订阅用户来说，这份额度与你烧钱的执行额度分开计——不用，就是浪费。
• 执行类：写代码、改文件、跑测试、批量处理——要的是「动手」。交给本地执行 Agent（Codex / Claude Code / 任何顺手的工具），能用便宜档就用便宜档。

为什么这个误区代价大？两个原因：① 执行模型在「低头干活」时，看不到你全部的真实背景，做规划只能靠你转述——转述必然丢事实，规划质量靠运气；② 它每想一轮，烧的都是你最贵的执行额度。有人真实账单是「一天一个 200 美元档的号、三个号轮着烧」，大头就烧在这种「想」上。

前阵子很火的《分享一个大幅节省 Codex 额度的邪修方法》（作者卡兹克）其实讲的就是这件事的另一半：把规划的活从执行额度里搬出去，别浪费了你的 ChatGPT 订阅。而本文往下要讲的，是这条分工真正跑通后的完整形态——不只是省钱，还要拿得到事实、留得下文档。

拨正分工后，你会多出三样东西

把「想」搬回 ChatGPT、「做」留给执行 Agent，你立刻多出三样东西：

• 更好的规划——网页版最大档在规划、调研、取舍上的判断力是它的主场；更关键的是，下面的系统会把它和你的真实项目接起来，让它不再靠你转述猜。
• 省下来的额度 / token——最贵的「想」搬去了另一个额度池，执行额度只花在「做」上。参考爆文作者实测：一次规划从执行额度搬到网页版，省下约 10% 的周额度；连续一周，就是「日抛号」和「月付号」的距离。
• 直接到手的文档——它做出来的规划、调研报告、内部设计文档，不是躺在聊天记录里，而是直接写进你的项目目录（下面「通道二」），进版本库、可交接、可追溯。

但要同时拿到这三样，直接开聊还不够，有三堵墙要拆：它默认看不到你的项目（第一堵墙）、聊完的东西会散掉（第二堵墙）、单模型判断没人兜底（第三堵墙）。

我的解法：读、写、援三条通道

我自己重度依赖 AI 推进项目，包括一个对精确性、可追溯性要求极高的长期数据研究项目。我给执行模型写死了一条规则：遇到产品级问题，一律上抛 ChatGPT——把 ChatGPT 拉到最大。为了让它上抛得动，我把三堵墙拆成了三条通道：本机桥接服务 + ChatGPT 官方开发者模式私有插件 + 一套协议纪律。它已经跑过 20 多轮真实重大咨询（编号排到 R23）：从架构评审、方案裁决，到项目结案终审；每一轮的发送件、回复件、裁决结果全部落盘归档。

和「只读数据 MCP」的参考做法相比，它多走了三步：

下面把三个「场景插件」逐个拆开。它们分别对应三个动作：读、写、援。

通道一 · 读：只读证据通道——让 ChatGPT 直接读你的真实项目

第一堵墙是「看不到」。普通的用法是复制粘贴给它看——但你不可能把整个仓库贴进去，而且贴过去的内容，它也只能「看过就算」，没有出处、无法对账。

我的做法是把项目本身接给它：通过官方 Secure MCP Tunnel 挂了一条只读证据通道。它可以列目录、读文件、搜代码、看 git 状态和 diff、读测试报告——全部是真实、实时的文件，不是截图，不是转述。

• 最小权限：整条通道不可写。它能「看到」一切该看的，但碰不了任何东西；
• 快照绑定：每次读取绑定当时的快照与文件哈希——它读到的是「某一刻的冻结事实」，结论与证据能对得上账；
• 全程审计：每次调用留痕，但文件内容不进审计日志（隐私优先）。

这条通道的价值在实战里被验证过不止一次。最典型的一次：它读完我的真实交付文件后，直接点破「这道验收门被手动预填过参数、已经失效」——那是一次差点发生的「假通过」。转述永远给不出这种结论，只有读原文才行。

从这以后我的观念就变了：对 ChatGPT 最好的尊重，是给它事实，而不是给它总结。

通道二 · 写：公共空间——规划、调研、内部文档直接落盘

第二个痛点：聊完就散。最值钱的结论如果不变成文件、不进版本库，三天后就找不到了——更别说它替你写好的规划文档、调研报告、内部设计文档。

所以第二堵墙我用一个公共空间来拆：我指定一个本地目录，ChatGPT 可以直接在里面工作——创建文件、校验哈希后原子更新、追加内容、复制、移动、重命名、删除（限空目录），甚至能直接用本地 Git 工具提交。它的调研、草稿、产出从此直接落在我的硬盘上，我不用复制粘贴一个字。

我把这个空间按用途分了目录：调研/、草稿/、产出/、项目交接/。一个真实例子：一次内容产品「要不要出海」的重要调研，它交叉验证后写出的 1.3 万字符结论，直接归入产出目录——从决策到归档全自动，没有经过我的剪贴板。

它的边界全部是写死的：

• 只能动这一个目录，别处一概碰不到；
• 单次写入不超过 24KB、单文件不超过 1MB，防「手滑写爆」；
• 每一次写操作全部审计留痕；
• 代码证据通道保持纯只读——「能写文件」与「能看代码」分成两条通道，互不污染。

注意这里的顺序：先读（事实）→ 再判断 → 最后写（产出）。不是让它边写边想，而是想清楚后直接交付成品——规划、调研、内部文档，一次到位。

通道三 · 援：Gemini 交叉评议桥——不做单点判断

第三个痛点：单点判断。重要决策最怕「一个模型说了算」——它语气越自信，你越危险。

所以我接了第三条通道：ChatGPT 在对话中可以直接呼叫第二个模型（Gemini 高档）做交叉评议，还能使用联网搜索工具（返回带来源链接的线索）。重大分歧不再只有一个声音。

实战里它真的会主动用：一次「要不要启用某个功能」的裁决，ChatGPT 自己叫了 Gemini 来交叉，两边不一致的地方被单独标了出来——而不一致本身，就是最有价值的信号。

处置规则同样是写死的：收敛才执行；分歧不自裁。两份意见原文归档，升格为人工裁决项。宁可慢一步，不要错一步。

怎么用它干活：一天的真实流程

系统装好后，日常干活就是这个循环。全程你只有两个动作：提问和验收。

1. 遇到产品级问题——先停手。执行 Agent 卡在没把握的方向问题、或你自己拿不准时，不要让它硬写。硬写出来的东西，返工比重问贵得多。
2. 打开 ChatGPT 网页版，确认两件事：模型选到最大档；插件挂上你的通道（只读证据 + 公共空间）。
3. 按「任务包」提问。背景 1–2 句 + 要决策的 3–5 个问题 + 输出格式要求。不用复制粘贴文件——它自己会去读你项目里的真实代码、测试和文档。
4. 等它思考完。几分钟到几十分钟都正常。期间别催、别重发、别打断——被打断的生成会污染会话，还白花钱。
5. 拿回结论，顺手把文档留下。裁决和方案在对话里看完；要沉淀的，直接让它在「公共空间」写成文件——规划、调研、内部文档一步到位，不用你复制粘贴一个字。
6. 交给执行 Agent 落地，证据回捞复核。执行 Agent 照规划干活、跑真实测试；再把证据包发回来让 ChatGPT 做一轮独立复核——通过才算完事，全程留痕。

整个循环里：它负责想和写，执行 Agent 负责做，你负责问和对。这套节奏里最贵的一步是「跳过提问、直接硬做」——省哪一步，都别省这个顺序。

把「发送键」也交给 Agent：Ego 浏览器自动化

上面这套循环还有个进阶形态：连「提问」这个动作本身，也可以交给 Agent 自动完成。

我的方案是 Ego 浏览器（推荐）——一个为 Agent 设计的浏览器：每个任务开一个独立的「空间」（Space），Agent 在里面自己打开 ChatGPT、挂好插件、把任务包写进输入框、发送、守候回复、再把答复原文提取出来存档。全程可见、可控：你可以随时点「接管」亲手接手，或「终止任务」一键叫停。

配上前面讲的协议纪律（一轮只发一颗子弹、只读等待不打断、回复原文落盘），这套自动化把「记得去问」变成了「结果自己送上门」。它也解释了这套系统真正的杠杆：不只是问答更快，而是整个「咨询—裁决—归档」循环可以无人值守地转起来。

成品先看：这套系统全自动跑出来的东西

说一百遍不如看成品。下面两个入口都是公开可访问的（只读、已脱敏），而且它们本身就是这套系统的产物——从资料整理、蒸馏、结构化卡片，到看板部署，全程由 AI 按上面这套流程自动完成：

看这两个入口时，可以带一个问题：如果这一整套产出都能由「AI + 纪律 + 这套协作系统」自动完成，你的项目里有多少活，其实也可以？

想知道它们具体是怎么被一步步造出来的？四套系统的完整生产流程 + 34 件生产工具盘点见《我的 AI 工作流全公开》。

让系统不翻车的六条纪律

三条通道是「器」，下面这些纪律是「法」。说实话，它们比工具值钱——因为每一条都是真实翻车换来的：

1. 单次任务包：背景、目标、约束、材料、输出格式一次给全，让它只做判断、不做探索——贵模型的多轮「自己摸索」是最贵的浪费；
2. 只读等待，禁止重发：模型思考时重发 = 打断生成 + 污染会话 + 重复劳动。这条是被「服务端错误 + 碎片回复」教做人之后定成的铁律；
3. 一题一会话：不同任务用不同会话——串台会带来锚定污染，它会被上一个项目的结论悄悄带偏；
4. 采纳门：模型的一切输出先当作「不可信输入」——本地重建可执行方案、独立复核、跑真实测试，全部通过才允许落地。模型不能直接执行任何东西；测试没过，不许「通过」；
5. 全量留痕：每一轮的发送件、回复件、裁决结果全部落盘——可回溯、可复查。项目结题时，这批材料的价值不比代码低；
6. 结论落地不等追认：方向性问题才停下来请示；已经审过的结论直接执行——你的注意力才是最贵的。

实战：量化项目里的「外脑」怎么干活

抽象说不如看场景。以下都是脱敏后的真实用法：

• 设计评审：一个阶段的设计文档完成后打包上抛（它可以自己翻真实文件对账），从纸面逻辑里挑出实现层矛盾，逐项给出修正要求——我按修正执行，一次过；
• 结案终审：项目阶段收口时，把它拉来做「结案评审」：支持 / 反对 / 附条件，三种结论都可以，但必须给证据链。拿到「支持」或「附条件落地完成」，阶段才允许关闭；
• 分歧仲裁：同一问题同时开两条独立通道（ChatGPT + 另一个顶级模型）。意见收敛就直接执行；分歧不自动裁决——两份裁决原文归档，升级为人工决策项；
• 调研落盘：重要外部调研，让它交叉调研、必要时叫 Gemini，结论直接写进公共空间「产出/」归档。

结果一句话：便宜模型只干执行的活；最聪明的那份智力被拉到最大；每一句结论都能拿证据对账。

一次真实的「外脑立功」：它救了一个已经失效的验收门

说一个我最愿意拿出来讲的案例（R18）。当时一个研究项目准备结案，材料看起来是齐的：指标有、报告有、门禁也"通过"了。我把材料包上抛给外脑做结案评审。

它做了一件我自己没做的事——顺着只读通道翻开了原始代码文件对账。然后它发现了三个纸面上完全看不出来的问题：

• 「验收门」是假的：报告里的关键校验字段是被手动预填的占位值（SHA=待填类），这意味着自动校验分支从一开始就永远不会真正执行——门看起来在，实际上是装饰；
• 身份预检名不副实：文档里宣称的核查范围，比代码实现的实际范围大——声明超出实现；
• 「哈希一致」被当作完整性证明：文件哈希相同 ≠ 内容被完整验收过，这里存在逻辑跳跃。

这三个发现直接把这个阶段从"可以结案"打回"不可结案"，并升级为最高优先级修复——全部落地后才重新过审。事后我们的结论：执行者自己检查自己写的门，永远会漏掉"门本身没有真正通电"这种问题；只有把原始证据交给一个"不甘心只看报告"的独立读者，才抓得住。

数字侧写：这套系统跑了多少活

成本与安全：省在明处，走官方通道

成本结构非常清晰，而且省在明处：

• 一份订阅（Pro 更佳）：网页版高档模型的额度与执行额度分开计——最贵的「想」放这里，不烧执行池。参考爆文作者实测：单次规划省约 10% 周额度；对「一天一个号」的用法，这是从日抛变回月付的距离（额度规则以官方为准）；
• 便宜档执行（GLM / 本地模型）：「做」的部分放在这里，成本完全可控；
• 本机桥接服务：跑在你自己电脑上，零云成本。

安全与合规，这段必须说重：整套系统全程官方通道——ChatGPT 官方开发者模式私有插件 + OpenAI Secure MCP Tunnel。不反代、不把订阅额度「转出」给第三方工具、不共享账号、不绕过任何限制。

我知道很多人会问：「为什么不直接把网页版额度反代出来给本地用？」因为那条路是拿你的账号去跟平台规则争辩：额度路径不可控、稳定性靠运气、被风控没有申诉路径。本系统是让 ChatGPT 用官方插件能力「主动进来工作」——两条路从根上就不是同一件事。

常见问题

关于本文与说明

本文思路受公开讨论启发：卡兹克《分享一个大幅节省 Codex 额度的邪修方法》提出的「只读 MCP + 网页版规划」做法；本系统在其思路上做了更进一步的工程化：读写分离、交叉评议、证据闭环。文中提及的额度节省与实战效果为个人实测参考，不构成任何保证；ChatGPT、OpenAI、Gemini、Google 等均为其各自公司的商标，本系统为个人开发的第三方工具套件，与上述公司无隶属关系；所有平台功能与政策以官方为准。

更多教程与工具：主页 aizhuozhi.com；联系邮箱 master@aizhuozhi.cn。